摘要
近年来，我国机动车保有量逐年上升，道路交通事故频频发生，因而构建一个功能强大、管理高效、信息传输实时的智能交通监测系统势在必行。车辆是智能交通系统的重点研究目标，车辆信息识别作为智能交通系统较为重要的组成部分，对交通管理部门打击涉牌违法行为，保障城市道路安全，提高道路管理水平等方面拥有非凡的现实意义。考虑到实际城市道路中行驶的车辆类型，本文首次对摩托车以及自行车进行检测识别。现阶段国内外还主要以车前脸的图像数据为主对车辆车型、颜色和品牌的识别进行研究，由于道路监控摄像头所处位置以及周围环境的差异，采集到的道路车辆图像通常呈现多姿态、多角度以及多光照分布的，因而为车辆车型、颜色以及品牌的检测与识别带来了挑战。 针对上述问题，本文以YOLOv3检测识别算法为基础，改进YOLOv3算法并设计出了车辆车型、颜色以及品牌识别网络模型，并在此基础上搭建出了多角度车辆信息识别系统。该系统可实现道路行驶车辆视频中含车辆图片的视频帧的截取和保存，还可检测识别出不同角度下车辆图片中车辆的车型、颜色与品牌信息。多角度车辆信息识别系统包含道路车辆视频检测、图像预处理以及车辆信息识别三个部分。使用本文所搭建的车型、颜色和车辆品牌识别网络以及其它检测识别算法在自建的多角度车辆数据集Vehicle8T_10C_157B上进行对比训练，得出最优车辆信息识别网络。道路车辆视频预处理模块将高斯混合背景建模和背景差分算法相结合实现车辆视频中的含车辆目标视频帧的检测和保存。图像预处理模块采用图像处理相关算法对车辆视频检测截取的车辆图片进行去噪、去黑以及减弱曝光处理增强低质量图像，再送入后续的车辆信息识别模块对目标车辆进行车辆的车型、颜色以及品牌信息的检测识别。 通过实验结果表明，本文设计的多角度车辆信息识别系统可对八个角度下8种车辆车型、10种车辆颜色以及157种车辆品牌的有效识别。在测试实验中，对车辆车型的识别率可达97.3%，车辆颜色与车辆品牌的识别率均为94.2%，证明了该系统的可靠性与适用性。
NETL